1．目的及意义

众所周知，自从三次科技革命以来，能源成为了国家经济的命脉。而地球上的能源是有限的，随着石油、煤炭等不可再生资源的不断消耗，人类已经陷入了能源危机，所以大力发展可再生能源用可再生能源和原料全面取代生化资源，进行一场新的工业革命。在这种世界经济中，高科技术和生态可以承载的区域性经济形式将得以发展。

太阳能是一种非常具有未来性的可再生能源，以太阳能的利用为主的可再生能源潜力极大，据天文物理学家的计算表明，太阳系还能存在45亿年，每年太阳提供的能量是世界人口商品消费量的1.5万倍。太阳能作为一种新型可再生能源，它纯净无污染，有着非常广阔的可塑性与利用性，同时由于太阳能的低能量和低密度性，其能量是取之不尽用之不竭的，因此太阳能是最有价值的开发对象。太阳能是一种纯天然、零污染取的可再生能源。如今，太阳能正逐步民用化，如太阳能发电装置、太阳能热水器、太阳能电动车等，在这方面中国很多企业已经掌握了世界领先技术。而太阳能船舶最大的特点就在于利用太阳能作为船舶动力来源，它是一种无污染，对环境友好的绿色船舶虽然太阳能具有无法比拟的优越性，但是作为能源被利用时也要思考它的缺陷: 一是，太阳光照的分散性，太阳能能量密度低、热能不均匀。如夏日晴朗的天气，一平米接收到的热能大概为一千瓦，所以想要利用太阳能输出一定量的电量，就需要大面积的铺盖电池板，才能达到较高的转换效率。二是，太阳光的不稳定性。由于受到地球经纬度、季节、昼夜、天气、海拔、地域等自然条件的限制，传达到地面的辐射量非常不稳定，对开展太阳能的使用具有一定的影响。三是，太阳能的效率低造价成本高。

所以我们要尽量避免这些光伏发电的缺陷，突出船舶光伏发电的优点。对于一个光伏发电系统来说，其所在的地理位置、排列方式以及设备的性能都是影响光伏输出功率的固定因素，不仅如此，光伏输出功率还会受到外在条件的影响，如：太阳的辐照强度、温度、风速以及云量等，这些外在条件或多或少的都会影响光伏输出功率。由于这些气象因素具有不确定性、随机性以及周期性变化的特性，使得光伏系统的输出功率也相应的具有随机性和间歇性的变化规律，这使得光伏发电机组有功功率的输出的稳定性严 重降低。

综上所述，为了维护电力的供需平衡、提高电网的稳定性及调峰能力，以及增强电力系统的安全稳定性，进行基于人工智能光伏功率预测是很有研究价值及现实意义的，光伏功率预测是以数值天气预报数据或者实际测量的数据为基础，再结合光伏电站地理坐标及具体地域特点的参数化方案，建立预测模型及算法，实现对未来一定时间段内光伏电站输出功率的预测。

{title}

2. 研究的基本内容与方案

{title}

2.1本设计的基本内容、目标

光伏发电系统输出功率直接受到光照强度、环境温度等外界环境条件的影响，准确预测光伏系统输出功率对于清洁能源的高效利用、混合能源系统运行效率的提升都具有十分重大的意义。 我们针对船舶与海洋应用背景下的光伏系统，对于光伏系统的基本构成及各环节的工作原理、工作特性，并能对在最大功率下的拓扑结构进行分析，考虑光照强度、环境温度等外界环境条件对光伏系统输出功率造成的影响。此外，运用人工神经网络模型的结构及数学原理，能够在MATLAB平台下熟练运用人工神经网络数学工具进行数据拟合、预测。研究并建立基于人工神经网络的船舶光伏系统出力预测模型及算法，实现对系统输出功率的有效预测，从而大幅提高船舶光伏系统的效率。

2.2拟采用的方法

神经网络方法。神经网络法又称为人工神经网络法（Artificial Neural Networks,ANN),是一种具有非线性特点的复杂网络系统，由大量类似于大脑神经元的处理单元相互联结而成。神经网络中的各个神经元之间能够同时处理信息并且具有自我训练的能力。此方法已经在光伏功率预测中得到了广泛的应用，神经网络模型有很多，其中误差反向传播神经网络（BP 神经网络）是使用较多的一种方法。它是通过误差反向传播算法，实现网络的自学习功能。由于光伏发电 受多种因素的影响，具有非线性、随机性强的特点，人工神经网络凭借着能够对所有复杂非线性动态系统进行逼近的能力以及自学习、自组织和自适应过程可以拟合出任意复杂的非线性关系，而且能够将可能考虑到的全部影响因素作为输入变量代入网络一起训练，这使得预测结果更加精确，预测误差更小。

2.3最大功率点跟踪 

由于光伏电池板的V—I曲线特点是非线性的，利用控制方法对曲线极值，即顶点的追踪是为最大P点追踪。传统的 MPPT方法有扰动观测（爬山）法，电导增量法，自适应步长法。 虽然上述几种追踪方法简单且易操作，但都存在一些缺点，如 ：  

（1）在这些方法中，一般采用固定的步长大小来实现稳态和动态是非常困难 的，从而跟踪速度相对较慢。  

（2）当太阳辐射发生显著变化时它们很容易运行失常，使得工作点偏离，最大工作点。  